論文の概要: Frameworks for SNNs: a Review of Data Science-oriented Software and an
Expansion of SpykeTorch
- arxiv url: http://arxiv.org/abs/2302.07624v1
- Date: Wed, 15 Feb 2023 12:35:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-16 15:05:37.407211
- Title: Frameworks for SNNs: a Review of Data Science-oriented Software and an
Expansion of SpykeTorch
- Title（参考訳）: SNNのためのフレームワーク: データサイエンス指向ソフトウェアの概要とSpykeTorchの拡張
- Authors: Davide Liberato Manna, Alex Vicente-Sola, Paul Kirkland, Trevor Joseph
Bihl, Gaetano Di Caterina
- Abstract要約: Spiking Neural Networks(SNN)は、特にデータサイエンスアプリケーションに向いている。
この研究は、データサイエンスアプリケーションに特化したスパイキングニューラルネットワーク(SNN)の開発のための9つのフレームワークをレビューする。
- 参考スコア（独自算出の注目度）: 0.3425341633647624
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Developing effective learning systems for Machine Learning (ML) applications
in the Neuromorphic (NM) field requires extensive experimentation and
simulation. Software frameworks aid and ease this process by providing a set of
ready-to-use tools that researchers can leverage. The recent interest in NM
technology has seen the development of several new frameworks that do this, and
that add up to the panorama of already existing libraries that belong to
neuroscience fields. This work reviews 9 frameworks for the development of
Spiking Neural Networks (SNNs) that are specifically oriented towards data
science applications. We emphasize the availability of spiking neuron models
and learning rules to more easily direct decisions on the most suitable
frameworks to carry out different types of research. Furthermore, we present an
extension to the SpykeTorch framework that gives users access to a much broader
choice of neuron models to embed in SNNs and make the code publicly available.
- Abstract（参考訳）: ニューロモルフィック(NM)分野における機械学習(ML)応用のための効果的な学習システムの開発には、広範な実験とシミュレーションが必要である。
ソフトウェアフレームワークは、研究者が活用できる利用可能なツールセットを提供することで、このプロセスを援助し、緩和する。
最近のnm技術に対する関心は、これを行ういくつかの新しいフレームワークの開発を目にしており、神経科学分野に属する既存のライブラリのパノラマを補っている。
この研究は、データサイエンスアプリケーションに特化したスパイキングニューラルネットワーク(SNN)の開発のための9つのフレームワークをレビューする。
我々は、スパイクニューロンモデルと学習ルールが利用可能であることを強調し、異なるタイプの研究を行うための最も適切なフレームワークに関する決定をより容易に直接的に行えるようにする。
さらに、私たちはSpykeTorchフレームワークを拡張して、SNNに組み込むニューロンモデルのより広範な選択肢にアクセスし、コードを公開しています。
関連論文リスト
- Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳（メタデータ） (2024-02-20T15:23:24Z) - SpikingJelly: An open-source machine learning infrastructure platform
for spike-based intelligence [51.6943465041708]
スパイキングニューラルネットワーク(SNN)は、高エネルギー効率のニューロモルフィックチップに脳にインスパイアされたインテリジェンスを実現することを目的としている。
我々は、ニューロモルフィックデータセットの事前処理、深層SNNの構築、パラメータの最適化、およびニューロモルフィックチップへのSNNのデプロイのためのフルスタックツールキットをコントリビュートする。
論文 参考訳（メタデータ） (2023-10-25T13:15:17Z) - A Hybrid Neural Coding Approach for Pattern Recognition with Spiking
Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。
これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。
本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文 参考訳（メタデータ） (2023-05-26T02:52:12Z) - NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.101188703826686]
ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。
NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
論文 参考訳（メタデータ） (2023-04-10T15:12:09Z) - An overview of open source Deep Learning-based libraries for
Neuroscience [0.0]
本稿では,ディープラーニングの発達と神経科学との関係について概説する。
その後、文献および神経科学研究を指向したソフトウェアプロジェクトの特定のハブから収集された、神経情報学のツールボックスとライブラリをレビューする。
論文 参考訳（メタデータ） (2022-12-19T09:09:40Z) - SPAIC: A Spike-based Artificial Intelligence Computing Framework [22.133585707508963]
本稿では,Python ベースのスパイキングニューラルネットワーク (SNN) シミュレーションおよびトレーニングフレームワーク SPAIC を提案する。
ディープラーニングと神経科学の両方の機能と統合された、脳にインスパイアされたモデルとアルゴリズムの研究をサポートすることを目指している。
ニューラルサーキット、深層SNN学習、ニューロモルフィック応用など、さまざまな例を挙げる。
論文 参考訳（メタデータ） (2022-07-26T08:57:42Z) - Implementing Spiking Neural Networks on Neuromorphic Architectures: A
Review [0.19573380763700707]
我々は,ニューロモルフィックコンピューティングのシステムソフトウェア技術分野における将来が持つ課題と機会を強調する。
プラットフォームベース設計とハードウェア・ソフトウェア共同設計の両方に提案されているフレームワークの概要について概説する。
論文 参考訳（メタデータ） (2022-02-17T21:00:59Z) - Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。
ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。
NASはコンピュータビジョンの幅広い問題に適用されている。
論文 参考訳（メタデータ） (2022-02-15T08:06:50Z) - NeuroXplorer 1.0: An Extensible Framework for Architectural Exploration
with Spiking Neural Networks [3.9121275263540087]
本稿では、ニューロモルフィックアーキテクチャをモデル化するための一般化テンプレートに基づくフレームワークであるNeuroXplorerを提案する。
NeuroXplorerは、低レベルのサイクル精度アーキテクチャシミュレーションと、データフローの抽象化による高レベルの解析の両方を実行することができる。
我々は,多くの最先端機械学習モデルを用いたケーススタディを通じて,NeuroXplorerのアーキテクチャ探索能力を実証する。
論文 参考訳（メタデータ） (2021-05-04T23:31:11Z) - Neuromorphic Processing and Sensing: Evolutionary Progression of AI to
Spiking [0.0]
スパイキングニューラルネットワークアルゴリズムは、計算と電力要求の一部を利用して高度な人工知能を実装することを約束する。
本稿では,スパイクに基づくニューロモルフィック技術の理論的研究について解説し,ハードウェアプロセッサ,ソフトウェアプラットフォーム,ニューロモルフィックセンシングデバイスの現状について概説する。
プログレクションパスは、現在の機械学習スペシャリストがスキルセットを更新し、現在の世代のディープニューラルネットワークからSNNへの分類または予測モデルを作成するために舗装されている。
論文 参考訳（メタデータ） (2020-07-10T20:54:42Z) - The Microsoft Toolkit of Multi-Task Deep Neural Networks for Natural
Language Understanding [97.85957811603251]
MT-DNNはオープンソースの自然言語理解(NLU)ツールキットであり、研究者や開発者がカスタマイズされたディープラーニングモデルを訓練しやすくする。
PyTorchとTransformersをベースとして開発されたMT-DNNは、幅広いNLUタスクの迅速なカスタマイズを容易にするように設計されている。
MT-DNNのユニークな特徴は、対戦型マルチタスク学習パラダイムを用いた堅牢で移動可能な学習のサポートである。
論文 参考訳（メタデータ） (2020-02-19T03:05:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。